See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/280836245

Propiedades Multifractales de la Lluvia Amazónica

Article · July 2009

CITATIONS READS

0 38

1 author:

Juan David Perez Arango

Rutgers, The State University of New Jersey
10 PUBLICATIONS   14 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

The Precipitation Response to El Niño/Southern Oscillation (ENSO) over Tropical South America: Spatial and Temporal Heterogeneity and the Role of the Land Surface
View project

All content following this page was uploaded by Juan David Perez Arango on 19 August 2015.

The user has requested enhancement of the downloaded file.

 Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009

PROPIEDADES MULTIFRACTALES DE LA LLUVIA

AMAZÓNICA

Juan David Pérez Arango. 1

1
Magíster en Ingeniería – Recursos Hidráulicos. Profesor Facultad de Ingenierías, Grupo
de Innovación y Sostenibilidad Aplicadas a la Infraestructura en Ingeniería ISAII,
Politécnico Colombiano Jaime Isaza Cadavid. jdperez@elpoli.edu.co

RESUMEN

La alta variabilidad espacio temporal propia de los campos de lluvia, manifestada en las
propiedades multifractales se ha evaluado de mediante un ajuste de éstas a diversos
modelos matemáticos con el fin de representarlas adecuadamente. Existe evidencia de
que estos campos presentan rasgos de multiescalamiento que pueden observarse en la
estructura del espectro de potencias de Fourier y en la función de escalamiento de
momentos. El objetivo de este trabajo es identificar una función K(q) dependiente del
momento de orden q, que describa la relación existente entre el campo de la lluvia que
se denomina y la escala espacial que se denomina . Adicionalmente se pretende
examinar la variación de algunas propiedades multifractales de dichos campos,
expresadas en los parámetros de la ecuación para K(q) a partir del análisis de
escalamiento de momentos. La convección profunda se manifiesta en la atmósfera
dentro de un amplio rango de escalas espaciales y temporales dando lugar a los
complejos convectivos de mesoescala los cuales cumplen un papel fundamental en la
distribución de energía, momento y agua sobre los trópicos. Estos sistemas pueden ser
identificados a través del radar porque su tamaño en escala lineal es superior a 100 km,
lo que hace posible verificar en ellos el multiescalamiento de la lluvia.

Palabras clave: Meteorología, Propiedades Multifractales, Lluvia, Amazonia

Recibido: 17 de Abril de 2009. Aceptado: 30 de Junio de 2009

Received: April 17, 2009 Accepted: June 30, 2009

MULTIFRACTAL PROPERTIES OF AMAZONIAN RAIN

ABSTRACT

Highly space-time variability of rain fields shown on multifractal properties have been
evaluated through mathematical models in order to explain them properly. Evidences
about the multiscaling properties of this field can be seen on Fourier´s power spectrum
and moment’s scaling functions. In this paper a K(q) function that depends on the q order
moment is identified, in order to describe the relationship between rain field and the
spatial scale . By the other side, an analysis of some variations on multifractal properties
of these fields are pretended to be done. Deep convection in atmosphere has a very wide
range in spatial and time scales, so Mesoscale Convective Systems appear to be very
important not only in energy and momentum distribution but in water distribution over the
tropics. These systems can be identified in radar images because its size is bigger than
100 km long, so rain multifractal properties can be identifiable on them.

Keywords: Meteorology, Multifractal Properties, Amazonian Rain.

148
 Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009

1. INTRODUCCIÓN procesamiento de información de un radar que

estuvo ubicado a 62 W, 11.2 S, con un radio de
Estudios anteriores han mostrado la alta influencia de 100 km. Los datos extraídos están
variabilidad espacio temporal que es intrínseca a disponibles en la página web [8]. Estos, tienen
los campos de lluvia. Esta variabilidad se ha asociada la distancia en km desde el radar en la
venido analizando de diversas maneras, y se ha dirección norte-sur y este-oeste, y un valor de
tratado de hacer un ajuste de estas propiedades a intensidad de precipitación en mm/h. La 0 muestra
diversos modelos matemáticos con el fin de la zona de estudio. La Figura 2 es un ejemplo de la
representarlas adecuadamente. Existe alguna representación gráfica de una serie de datos.
evidencia de que estos campos presentan rasgos
de multiescalamiento ([1], [2], [3], [4], [5]),
observada básicamente en la estructura del
espectro de potencias de Fourier y en la función de
escalamiento de momentos. El objetivo de este
trabajo es identificar una función K(q) dependiente
del momento de orden q, que describa la relación
existente entre el campo de la lluvia que se
denomina y la escala espacial que se denomina
. La relación es de tipo
M q (λ ) = φ λ ( x, y )
q
= λK (q ) donde Mq( ) representa
el momento de orden q en la escala . Carvalho y
otros autores [6], han ajustado algunos parámetros
a una función de probabilidad particular que
describe el comportamiento de la función K(q) la
cual se deriva de la teoría de las cascadas
multiplicativas. El objetivo de este trabajo es
examinar las variaciones en algunas propiedades Fig 1. Zona de Estudio y localización del radar
multifractales de los campos de lluvia, expresadas
en los parámetros de la ecuación para K(q) a partir
del análisis de escalamiento de momentos. La
convección profunda, que es una característica
muy frecuente en los eventos de lluvia tropicales,
se manifiesta en la atmósfera dentro de un amplio
rango de escalas espaciales y temporales. Los
complejos convectivos de mesoescala cumplen un
papel fundamental en la distribución de energía,
momento y agua particularmente sobre los trópicos.
Estos sistemas pueden ser identificados a través
del radar debido a que su tamaño en escala lineal
es superior a 100 km [7]. De la misma manera, es
posible hacer una identificación más precisa a
través de imágenes de satélite mediante las
temperaturas de brillo captadas por el instrumento.

2. DATOS Fig 2. Ejemplo gráfico de los datos de radar

Los datos utilizados para este estudio proceden
directamente de las campañas de medición del
proyecto TRMM-LBA realizada entre el 10 de Enero
y 28 de Febrero de 1999 en la región amazónica de
Rondonia. Los datos son el resultado del
proporcionados por el proyecto TRMM-LBA.
En total se tomaron 12 eventos de precipitación de
los registrados en los casi dos meses de campaña.
Algunos de ellos han sido reportados como
sistemas convectivos de mesoescala (SCM) por

149
 Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009

otros autores. La Tabla 1 presenta los datos cumple en estos campos de lluvia, ya que en caso
tomados y las referencias para aquellos contrario, tratar de hacer ajustes a un modelo
reportados como SCM. La selección de los datos multifractal será totalmente arbitrario. Para tal fin
se realizó considerando como importantes se hizo uso de la teoría de escalamiento de
aquellos que tuvieran cubrimiento espacial con momentos de la cual se presenta una breve
radio aproximado a los 100 km e intensidades de revisión teórica, para proceder a la aproximación
precipitación del orden de 80 mm/h. metodológica que se hace respecto al modelo
propuesto por Carvalho y otros [10]
Tabla1. Relación de datos utilizados para el
análisis 3.1 Análisis de escalamiento de momentos
Los momentos multiescala de cualquier campo se
No. de
No.
Fecha
(AMD)
Hora Inicial
(LTC)
Hora Final
(LTC)
grupos de Clasificación calculan para un rango de escalas promedio ,
datos
donde a mayor , se tiene menor escala, así:
1 990111 16:51:09 18:35:54 11
2 990112 17:34:50 18:45:45 7
M q (λ ) = φλ ( x, y )
q
3 990113 17:06:41 21:08:00 22 = λK (q ) (1)
4 990114 13:13:36 14:34:04 9
5 990115 16:02:30 17:58:51 13
6 990116 00:02:47 01:44:06 9 Donde representa los valores del campo en la
7 990126 19:45:17 22:18:05 13 SCM [9] escala , q es el orden del momento y < > denota
8 990201 19:27:33 23:17:18 21 el promedio sobre todos los pixeles en la escala
9 990215 01:16:55 05:37:15 28 SCM [6] sobre una imagen formada por los datos del
10 990220 18:35:42 20:37:06 11 campo. El análisis de escalamiento de los
11 990225 21:56:20 01:07:59 18 SCM [9] momentos da información respecto a la
12 990228 14:53:07 21:36:09 5 intermitencia de un campo. Para interpretar los
resultados de un análisis de escalamiento de
Los resultados para los eventos con menos datos momentos, considere un campo muy intermitente
(eventos 2, 4, 6, 12), son poco representativos pero con picos muy localizados y gradientes muy
aún así se incluyen en el análisis. Cabe resaltar fuertes. A medida que se disminuye la resolución
que estos datos presentan una limitación en del campo, se disminuirá también el valor de los
cuanto que a partir de ellos no puede decirse picos debido a que estos se promedian con valores
ciertamente si son o no son SCM, ya que las alrededor que no necesariamente son altos. Para
características de estos sistemas se infieren de las momentos de orden q superior a 1 el ejercicio de
imágenes de satélite. De esta manera, los eventos promediar los campos tendrá como resultado
7, 9 y 11 se han clasificado como SCM por otros momentos reducidos conduciendo a la obtención
métodos que no son del alcance de este trabajo. de pendientes negativas en un diagrama de
Para controlar y verificar que los datos se lean momentos vs. Escala r. Por otro lado, si el campo
correctamente se generaron imágenes semejantes es muy suave, los picos no serán tan
a la de la Figura 1 para todos los eventos y se característicos ni estarán tan localizados, de modo
compararon visualmente tanto en la forma como en que las pendientes serán menores. El escalamiento
el máximo valor de intensidad de precipitación con de los momentos ocurrirá cuando [10]:
imágenes disponibles en la página web del K(q)
proyecto TRMM-LBA. M q( ) ~ (2)

Donde K(q) es el exponente de la función de

3. ASPECTOS TEÓRICOS
METODOLOGÍA
Para llevar a cabo el análisis de los datos en el
contexto de las propiedades multifractales de los
campos de lluvia a la luz del modelo teórico
presentado por Carvalho y otros [6], es necesario
verificar que la hipótesis de multiescalamiento se
Y escalamiento de momento de orden q, estimado
mediante una regresión linear en el espacio log-log
del momento q del campo versus . Es claro que
K(1) = 0, porque la media es independiente de la
escala. Para comprender adecuadamente lo que
significa el escalamiento múltiple se sugiere revisar
bibliografía adicional. ([2]. [3], [11], entre otros)

150
 Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009
3.2 Aproximación metodológica al modelo
de variación del exponente de escalamiento
K(q)
A partir de los datos generados por el proyecto
TRMM-LBA, el estudio de las diversas variables
climáticas en la región amazónica se ha
incrementado considerablemente en los últimos
años. Dentro de los resultados obtenidos en este
tiempo, se encuentra el trabajo desarrollado por un
grupo de investigadores en la línea de la
investigación meteorológica. El estudio de SCM es
de especial interés en esta área del conocimiento
ya que ellos constituyen un mecanismo muy
importante en el transporte y distribución de
energía, momento y vapor de agua particularmente
sobre los trópicos. Se presenta a continuación una
breve introducción a los conceptos básicos sobre
los SCM, ya que estos constituyen la base para la
investigación de Carvalho y otros [6], la cual es a su
vez la base fundamental para este análisis.
3.2.1 Sistemas convectivos de mesoescala
Los SCM se presentan de diversas formas aunque
en sí mismos ellos poseen características en
común, como por ejemplo el hecho de que la
cobertura espacial de los mismos es bastante
grande, y puede estar formada en parte por lluvia
de tipo convectivo y por lluvia de tipo estratiforme.
Houze [7] define un SCM como un sistema nuboso
que ocurre acompañado de tormentas eléctricas y
produce un área continua de precipitación cercana
a 100 km o más en la escala horizontal, por lo
menos en una dirección. Esta definición permite
identificar algunos SCM como grandes pero
angostos.
Los SCM pueden ser reconocidos mediante
fotografías infrarrojas de satélite por el tope frío de
las nubes. Este mecanismo puede ser muy útil si
se da un umbral de temperatura para definir la
frontera entre un SCM y otro sistema diferente. Uno
de los SCM mas grandes es el llamado Complejo
Convectivo de Mesoescala, el cual tiene unas
características muy definidas de acuerdo a la
definición de Houze [7]. Estas características están
asociadas a las temperaturas de brillo del tope de
la nube, y es precisamente en esto en lo que se
basa el modelo de Carvalho y otros [6], para definir
un campo espacial con características de
multiescalamiento.
Es importante notar que todo el desarrollo teórico
que han hecho estos investigadores [6], está
aplicado a un campo de gradientes de temperatura
151
de brillo | Tb|, pero esto no significa que no pueda
ser aplicado en otros campos. Otra característica
importante de los SCM es que estos pueden durar
desde horas hasta días enteros, sin embargo no es
fácil inferir características más específicas de un
SCM a partir de datos de satélite. En años
recientes Carvalho y Jones [12], desarrollaron una
metodología para identificar las propiedades de los
SCM basado en una técnica de correlaciones
espaciales. Una descripción muy amplia de los
SCM se presenta en el texto Cloud Dynamics [7]
Es necesaria esta breve introducción ya que los
resultados obtenidos por Carvalho y otros [6] están
ligados a este tipo de sistemas en particular.
3.2.2 Modelo de variación del exponente K(q)
Para explorar algunas propiedades multifractales
de los SCM Carvalho y otros [6], parten del hecho
de que estos sistemas pueden identificarse en el
trópico con un criterio de temperatura de brillo
menor o igual que 235 K y con radios mayores a
100 km. La hipótesis que ellos plantean es que los
movimientos verticales modifican la variabilidad
espacial del campo de temperaturas Tb. Esta
variación puede ser estimada como el valor
absoluto del gradiente de temperaturas en el tope
de la nube | Tb|, el cual puede ser transformado en
un campo multifractal , donde 1 es la relación
de escalas. Para un proceso multifractal como ya
se explicó en la sesión anterior, se cumple que el
momento estadístico de orden q sigue la ley
potencial presentada en la ecuación 1. Suponiendo
que la metodología de cascada es la responsable
de que y K(q) pertenezcan a una distribución
estable [6], entonces el exponente K(q), está dado
por:
⎧ C1 α
⎪⎪α − 1 (q − 1) α ≠ 1
K (q ) = ⎨ (3)
⎪
⎪⎩ C1qLn(q ) α =1
En este modelo, mayores valores de implican
menor probabilidad de encontrar fluctuaciones lejos
de un valor central (que bien podría ser la media).
Por otro lado el valor de C1 está relacionado con el
ancho de la FDP y se relaciona con la forma en que
está distribuido el campo en el espacio. Por lo
tanto el comportamiento de escalamiento de un
campo se puede describir a partir de y C1.
Variaciones en estos coeficientes pueden llegar a
 Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009

ser muy valiosos en términos de identificar La 0 es un ejemplo de lo que se encontró en la

procesos de escalamiento en el campo el cual
puede asociarse al desarrollo de SCM.
De la misma manera en que Carvalho y otros [6]
han ilustrado esta aplicación, es posible, a partir de
los datos de radar y conociendo la estructura
multifractal de un campo de precipitación, tratar de
ajustar estos coeficientes al modelo presentado en
este artículo y evaluar su comportamiento de
acuerdo a lo observado en los datos. Es necesario
en un trabajo futuro, encontrar relaciones entre
estos coeficientes y aspectos tan importantes del
campo de lluvia como son por ejemplo su
cubrimiento espacial, los valores de máxima
intensidad de la precipitación, entre otras cosas.
Carvalho y otros [6] proponen una solución analítica
para la ecuación, pero en este caso se ha
encontrado una solución numérica a la misma
suponiendo que el valor de es diferente de cero,
por lo que los coeficientes encontrados en cada
caso se ajustan sólo a la primera parte de la
ecuación 2.
mayoría de los eventos. Es necesario anotar que
en los eventos en los que los datos están
espacialmente muy dispersos estos resultados no
son tan evidentes, aunque las características
generales de multiescalamiento no varían. Esto
puede estar asociado a que tales eventos no son
representativos de manera suficiente en el espacio,
introduciendo errores en los cálculos por la
cantidad de pixeles vacíos. Se calcularon en total
167 escalamientos de momentos para todos los
grupos de datos de los 12 eventos, y en general, el
patrón observado es semejante al observado en la
figura 3. Ya que el valor de K(q) no se relaciona
linealmente con el orden del momento, se procedió
a tratar de ajustar los parámetros C1 y , en cada
uno de los casos estudiados. Se presentan en
particular tres de los doce casos estudiados, que
corresponden a aquellos clasificados como SCM.

En definitiva el proceso de adaptación de este

modelo a los campos de lluvia por radar, consiste
básicamente en encontrar la variación temporal de
y C1, al modo en que lo llevaron a cabo Carvalho
y otros [6], pero mediante un proceso iterativo en la
computadora.

4. RESULTADOS

Los resultados obtenidos se pueden dividir en dos

partes fundamentales. La primera de ellas hace
referencia a los resultados obtenidos en trabajos
anteriores con estos mismos campos de
precipitación en los que se observaba ya un
comportamiento de multiescalamiento. Estos
resultados previos obtenidos a partir del espectro
de potencias de Fourier, y unas FDP para evaluar
las distancias del escalamiento simple al múltiple
para estos eventos y otros adicionales [13],
conducen los resultados obtenidos en este trabajo.

El análisis de escalamiento de momentos haciendo

uso de las ecuaciones propuestas por [1] conduce
al hecho de que las lluvias analizadas en esta
investigación, son de tipo multifractal. Esto se
puede concluir gracias a que la gráfica de K(q) vs. q Fig. 3. Ajuste lineal de los momentos con la escala
no se ajusta a una recta, lo que significaría que el y gráfico de K(q) vs. q. La línea recta hace
escalamiento es simple, sino que se aleja de ella. referencia a la línea de escalamiento simple.

152
 Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009
La figura 4 representa la evolución de los
coeficientes para el SCM del 15 de Febrero de
1999. En la Figura 5 se muestran los resultados
obtenidos para el mismo evento pero en el campo
de los gradientes de temperatura de Brillo
obtenidos por Carvalho y otros [6]
Fig. 4. Evolución Temporal de C1 y para el SCM
del 15 de Febrero de 1999 en el campo de
precipitación.
Fig 5. Evolución Temporal de C1 y para el SCM
del 15 de Febrero de 1999 en el campo de
gradientes de temperatura de brillo (Tomada de [6])
Se observa una cierta semejanza en el
comportamiento de los coeficientes, principalmente
en el C1 y en la forma que este conserva para
153
ambos casos. Aparentemente está asociado al
número de pixeles, parámetro que en ambas
figuras conserva una estructura semejante, y al
ciclo de vida del SCM. En el artículo base de este
trabajo se habla de que el incremento en C1
alcanza su máximo cuando la diferencia entre el
área convectiva y estratiforme es máxima
(alrededor de las 2:45 LTC o UTC), mientras que va
disminuyendo a medida que domina la precipitación
estratiforme. Este es un resultado muy importante
en cuanto a los datos obtenidos por satélite, pero
deja entrever una avenida de trabajo muy
interesante en el sentido de que si este
comportamiento se observa también en los datos
de radar, a partir de estos solamente, se podrían
identificar algunas características importantes de
los SCM, considerando la hipótesis ya verificada de
que los campos de lluvia son multifractales, cabe
anotar que son campos diferentes, y que la
semejanza se atribuye a la distribución del campo
en el espacio y no al valor de las variables como
tal.
El trabajo de Carvalho y otros [6] es más extensivo
en el sentido de que ellos han clasificado los SCM
en sistemas del este o del oeste, e infieren en el
hecho de que el valor de es más significativo
cuando los sistemas son del este. Una descripción
amplia en relación a si los sistemas son del este o
del oeste puede verse en [14] y la bibliografía allí
mencionada. Sin embargo se puede observar que
la estructura temporal de los valores de en este
análisis, se asemeja a la obtenida por Leila
Carvalho y su grupo de investigación. Existe una
marcada diferencia entre estos dos resultados en
cuanto al valor inicial de C1. Esta diferencia puede
estar asociada al valor inicial o la semilla del
proceso iterativo realizado para encontrar el óptimo
que minimice el error.
Las Figuras 6 y 7, presentan los resultados para las
otros dos SCM clasificados en la literatura
científica. En ellas se puede observar que los
resultados en órdenes de magnitud y en estructura
son muy semejantes. Particularmente el caso del
26 de Enero presenta una estructura similar a la del
15 de Febrero, lo que podría indicar que la
dinámica del SCM fue semejante, aunque las horas
del día en las que se dieron ambos eventos son
diferentes.
 Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009

evoluciona este sistema en el tiempo. Por este

motivo, el poder encontrar relaciones más claras
entre estos coeficientes y las principales
características de los SCM, sería una herramienta
muy poderosa para el análisis de la información, y
el estudio de fenómenos de gran escala como los
complejos convectivos. Una mirada a los primeros
estadios de la tormenta en su etapa de mayor
cubrimiento hace pensar en la posibilidad de que
esta sea un SCM. La Figura 9 ilustra 6 etapas de
este evento en la etapa inicial de cálculo de los
coeficientes.

Fig 6. Evolución Temporal de C1 y para el SCM

del 26 de Enero de 1999 en el campo de
precipitación.

Fig 8. Evolución Temporal de C1 y para el evento

del 13 de Enero de 1999 en el campo de
precipitación.

Estos resultados permiten descubrir en la

multifractalidad del campo de la lluvia un elemento
muy fuerte para su descripción y además, mediante
Fig 7. Evolución Temporal de C1 y para el SCM el ajuste a modelos matemáticos como este que se
del 25-26 de Febrero de 1999 en el campo de presenta en el desarrollo del trabajo, inferir otras
precipitación. características como los ciclos de vida de SCM, en
caso de que los campos de precipitación sean
Dentro de los demás eventos estudiados resulta sistemas de este tipo.
muy interesante el ocurrido el día 13 de enero de
1999 con un total de 22 grupos de datos, por su
estructura, es muy semejante a los tres casos
reportados anteriormente (Ver Figura 8), pero no
se puede decir con exactitud si es o no es un SCM,
cuáles son sus características principales y cómo

154
 Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009
Fig 9. Evolución temporal del evento del 13 de Enero de 1999
5. CONCLUSIONES
A partir de este trabajo se reconoce la potencia que
tienen las herramientas de análisis de escalamiento
para describir un campo cualquiera que este sea.
El hecho de que el modelo estuviese aplicado a un
campo de gradientes de temperatura de brillo no
limitó en ningún momento su aplicación a un campo
diferente como el de la lluvia. Claro está que ellos
se encuentran relacionados entre si, pero que la
adaptación del modelo no es dependiente de tal
relación.
Es muy importante reconocer la validez que tiene el
buscar funciones que describan adecuadamente la
forma en que las pendientes de la relación
momento de orden q, versus el orden del momento
se relacionan, ya que al identificar su estructura de
multiescala, el conocimiento y entendimiento de
esta se transforma en una tarea fundamental para
apreciar de manera mas amplia y seria los
155
fenómenos que tienen estructura de múltiples
escalas. Adicionalmente, el poder relacionar los
valores de un parámetro que se deriva de un
modelo matemático con base física, con las
características de un evento de carácter fractal, en
este caso la lluvia, es una ganancia muy grande
porque pone al alcance el evento mismo, y
trasciende lo meramente teórico para sustentar con
elementos numéricos unas hipótesis definidas. Se
observa por ejemplo que a mayores valores de C1,
están asociadas las fases convectivas de los SCM,
mientras que una disminución de este coeficiente,
indicaría que en estos sistemas, la fase estratiforme
es más dominante.
Es necesario ahondar en el estudio estadístico
descriptivo y físico de los dos coeficientes tratando
de encontrar relaciones entre estos y las áreas de
cobertura del evento, las variaciones en los valores
de la intensidad de la lluvia, etc. En este sentido, si
se logra obtener una relación coherente, esta
 Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009

metodología podría ayudar a definir aspectos desde
los datos de radar que algunas veces se
desconocen.
6. REFERENCIAS BIBLIOGRÁFICAS
[1] Harris, D., E. Foufoula-Georgiou, K.
Droegemeier, and J. Levitt. Multiscale statistical
properties of a high resolution precipitation
forecasts, J. Hydromet, 2(4), 406-418, 2001.
[2] Deidda, R., R. Benzi, y F. Sicardi. Multifractal
modeling of anoumalous scaling laws in rainfall.
Water Res. Res., 35, 1853-1867, 1999.
[3] Gupta, V.K. y E. Waymyre. A statistical analysis
of mesoscale rainfall as a random cascade. J. Appl.
Meteor., 32, 251-267, 1993.
[10] Harris, D., E. Foufoula-Georgiou, K.
Droegemeier, y J. Levitt. Multiscale statistical
properties of a high resolution precipitation
forecasts, J. Hydromet, 2(4), 406-418, 2001.
[11] Gupta V.K. y G . Poveda, Notas del curso de
Hidrología de Múltiples Escalas. 2001
[12] Carvalho, L.M.V. and C. Jones. A Satellite
method to identify structural properties of
mesoscale convective systems based on maximum
spatial correlation tracking technique (MASCOTTE),
J. Appl. Meteor, 1683-1701, 2001
[13] Pérez J.D. Caracterización de la variabilidad
espacial y temporal de los campos de lluvia en la
zona noroeste de la cuenca amazónica brasilera
Trabajo no publicado, 2004.

[4] Laurent, H., L. Machado, C.A. Morales, L.
Durieux. Characteristics of the Amazonian
mesosclae convective systems observed from
satellite and radar during the WETAMC/LBA
experiment. Jour. Geop. Res. Vol 107, # D20, 2002
[14] Petersen, W.A., S. Nesbitt, R. Blakeslee, R.
Cifelli, P. Hein, Steven Rutledge. TRMM
Observations of intraseasonal variablility in
convective regimes over the amazon. Jour. Of
Climate Vol 15, No. 11, 2002

[5] Mejía, J.F. Ciclo diurno de la lluvia y ambientes

atmosféricos en sistemas convectivos de meso-
escala sobre Colombia y el este del Océano
Pacífico usando datos de la TRMM y del Reanálisis
del NCEP/NCAR. Tesis de Maestría. Universidad
Nacional de Colombia. Medellín. 2002

[6] Carvalho, L.M.V, D. Lavallée and Ch. Jones.

Multifractal properties of evolving convective
systems over tropical South America. Geoph. Res.
Lett. Vol 29, No. 0, 2002.

[7] Houze, Robert A. Jr. Cloud Dynamics.

International Geophysics Series, Volume 53.
Academic Press, Inc. 1993

[8] NOAA-CIRES Climate Diagnostics Center

Advancing Understanding and Prediction of Climate
Variability. Disponible en:
http://tornado.atmos.colostate.edu/lbadata/radar/rad
ar_main.html [consultado en febrero de 2009].

[9] Cifelli , R. , M.A Silva Dias, W.A. Petersen, L.D.

Carey and S.A. Rutledge. Radar Observations of
the kinematic, microphysical, and precipitation
characteristics of two MCSs in TRMM LBA. Jour.
Geop. Res. Vol 107, No. D20, 8077, 2002.

156

View publication stats